Implementação e avaliação de uma ferramenta de acompanhamento de controle preditivo para processos da indústria do petróleo

Abstract

O controle preditivo baseado em modelo (CPBM) é uma das técnicas de controle moderno que provavelmente teve mais êxito nas aplicações na indústria. Porém, uma das dificuldades encontradas na aplicação de CPBM é a sintonia e avaliação de desempenho do sistema de controle. Em geral, os diversos algoritmos de CPBM utilizam diferentes funções de custo para calcular a lei de controle, porém a maioria deles considera como objetivo minimizar o erro entre a saída futura e a referência desejada penalizando o esforço incremental de controle. Assim, a sintonia desses controladores é diretamente dependente das ponderações das variáveis controladas e das manipuladas e também da predição calculada a partir do modelo de predição. Algumas abordagens de avaliação de controle existentes não permitem definir qual variável controlada tem o pior seguimento a referência e nem o motivo do desempenho ruim. Existem ainda metodologias que auxiliam os projetistas a escolher as de ponderações, mas que não garantem que as escolhas feitas são as melhores possíves. Por isso a necessidade de métodos de avaliação de desempenho de sistemas de controle MPC é largamente reconhecida no meio industrial. Com base nisso, foram utilizados seis índices, descritos em que avaliam o desempenho e a sintonia do controlador: os Desvios Médios, o Índice de Seguimento de Referência Relativo, o Índice de Supressão de Movimento, o Índice de Controle Relativo, o Índice do Erro de Predição e o Índice de Estabilidade. Estes índices mostram se as variáveis estão seguindo a referência de forma satisfatória e caso elas não estejam, os índices indicam o porquê. Este trabalho mostra, a partir de simulações de diversos cenários de operação de uma planta real, que os índices são uma ferramenta de grande potencial para avaliação do desempenho do controle e identificação dos problemas que impedem um bom desempenho.

Model Predictive Control (MPC) is probably one of the most successful control techniques used in industrial applications. However, this technology has limitations like the tuning procedure and the control system performance evaluation. The various MPC algorithms propose different cost functions for obtaining the control law, but the general aim is to minimize the error between the future output and the reference signal, penalizing the control effort necessary for doing so. Therefore, these controllers tuning depend on the weighting sequences and the future output. Some available performance evaluation approaches do not indicate which variable does not follow the reference signal well or why. There are also methodologies that help designers to choose the weighting sequences, but they do not guarantee the best choice as a result. That is why there is still the need of new evaluation methods. Based on that, six indices were created. They tell if the controlled variables are following the reference and if they are not, why. This work show, through various scenarios simulations, that the indices are a great tool to analyze the control performance and identify possible problems that prevent a good performance. iii